"Lernen durch Bewegen mit neuem Python! Lehrbuch für maschinelles Lernen" von Makoto Ito! Verwenden Sie die zweite Ausgabe Beim Aktualisieren von numpy auf die neueste Version 1.18.2 ist ein Fehler aufgetreten. 1.18.x ist NG (Es trat auch in 1.18.4 auf, als versucht wurde, mit Google Colaboratory zu arbeiten.) Es gibt auch Keras
Nutzungsumgebung (Version):
Mac Book 2016 3.3GHz Intel Corei7 Catalina 10.15.4
Anaconda 1.9.12 JupyterLab 1.2.6 JupyterNotebook 6.0.3 Colaboratory Python 3.7.3, 3.6.9(colab) Numpy 1.18.1,2,4 (colab) Matplotlab 3.1.3, 3.2.1(colab) Tensorflow 2.0.0, 2.2.0rs4(colab) Keras 2.3.1
Kein Problem mit Version 1.17.2. (1.17.x ist OK)
Wo Sie sich ändern müssen
Vor dem Ändern: np.reshape (xx1, xn * xn, ** 1 **) Nach der Änderung: np.reshape (xx1, xn * xn, ** order = "F" **): Zuvor empfohlen
Verweise [numpy.reshape version1.18.x: ValueError: Nicht-String-Objekt für die Array-Reihenfolge erkannt. Bitte übergeben Sie stattdessen 'C', 'F', 'A' oder 'K'] [https: // qiita .com / hiroshim021 / items / ed25fe98a6c1463a4c96)
#Listing 4:-5-(3)
#Konturlinienanzeige--------------------------------
def show_contour_gauss(mu, sig):
Auf halbem Weg weggelassen
xx0, xx1 = np.meshgrid(x0, x1)
x = np.c_[np.reshape(xx0, xn * xn, order="F"), np.reshape(xx1, xn * xn, order="F")] #Nach der veränderung
#3D-Anzeige----------------------------------
def show3d_gauss(ax, mu, sig):
Unterwegs
xx0, xx1 = np.meshgrid(x0, x1)
x = np.c_[np.reshape(xx0, xn * xn, order="F"), np.reshape(xx1, xn * xn, order="F")] #Nach der veränderung
Fixing the KeyError: 'acc' and KeyError: 'val_acc' Errors in Keras 2.3.x
Nach der Version 2.3.x von Keras wird bei Verwendung von "Genauigkeit" in Melitexs "Genauigkeit" als Schlüssel verwendet. Gleiches gilt für ** val_accuracy **.
According to the 2.3.0 Release Notes: "Metrics and losses are now reported under the exact name specified by the user (e.g. if you pass metrics=['acc'], your metric will be reported under the string "acc", not "accuracy", and inversely metrics=['accuracy'] will be reported under the string "accuracy"." You can read the official release notes here: https://github.com/keras-team/keras/releases/tag/2.3.0
What this means is that if you specify metrics=["accuracy"] in the model.compile(), then the history object will have the keys as 'accuracy' and 'val_accuracy'. While if you specify it as metrics=["acc"] then they will be reported with the keys 'acc' and 'val_acc'.
#Listing 7:-2-(4)
"""Genauigkeitsanzeige"""
plt.subplot(1,3,2)
plt.plot(history.history['accuracy'],"k",label="training")
plt.plot(history.history["val_accuracy"],"cornflowerblue",label="test")
plt.legend()
Recommended Posts